最新

App Store: <a href="https://apps.apple.com/us/app/hlexport/id6745495959">https://apps.apple.com/us/app/hlexport/id6745495959</a> <p>*问题* iPhone上的Apple Health将原始数据锁定在一个超过100 MB的XML导出文件中，解析起来非常麻烦。 我希望找到一种<i>程序化、注重隐私</i>的方式，将这些数据导入笔记本和大型语言模型（LLMs）。</p> <p>*解决方案* HLExport（SwiftUI）： * 读取任意开始/结束日期之间的所有HealthKit类型 * 输出紧凑的JSON（分享表单或剪贴板） * 7级情绪记录器（`HKCategoryTypeIdentifier.stateOfMind`） * 全部在设备上运行；无后端；MIT许可证</p> 二进制文件大小低于600 KB。支持iOS 17及以上版本（情绪写入：iOS 18）。 欢迎提问和建议——这是一个周末项目的代码，我希望通过您的反馈来加强它。

大家好！<p>我开发了一个名为 Upper 的小工具，它可以让你直接通过 iPhone、iPad 和 M 系列 Mac 的快捷指令应用控制 S3 兼容的存储。你可以自动化上传/下载文件、发布静态网站或获取日志等操作——基本上就是你通常在网页界面或终端中会做的任何事情。<p>凭据会通过设备的钥匙串安全保存（如果你开启了 iCloud 钥匙串，还会进行同步）。<p>到目前为止，我已经在 AWS S3、Cloudflare R2 和 Scaleway 上进行了测试。如果你使用其他服务或者缺少某个特定的操作，请告诉我——我很想知道你希望添加什么功能。<p>这是我第一次使用 Swift 和 SwiftUI 开发工具，因此任何反馈或建议对我来说都非常重要！

当我看到一项追踪450万个虚假GitHub星标的研究时，确认了我之前的一个怀疑：星标是嘈杂的。问题在于，它们是可见的，有说服力的，并且仍然影响招聘决策、风险投资条款和依赖选择，但它们对实际质量的反映却很少。 我编写了StarGuard，以我的方法论为基础，将这个数字放在更广泛的背景中，并将更全面的供应链检查整合到一个命令行运行中。 它从最简单的原始输入开始：每个GitHub提供的starred_at时间戳。它应用中位数绝对偏差测试来定位突发情况。对于每个峰值，StarGuard会随机抽取背后的账户样本，并询问：用户多大？有关注者吗？有贡献历史吗？还在使用默认头像吗？由此，它计算出一个虚假星标指数，范围在0（自然）到1（完全合成）之间。 但虚假星标只是一个问题。同时，StarGuard解析依赖清单或SBOM，并标记常见的风险迹象：未固定版本、直接Git URL、相似的包名。它还扫描许可证——AGPL偷偷进入声称为MIT的代码库，或其他可能导致合规性问题的不一致之处。 它也检查贡献者模式。如果90%的提交来自一个几个月没有推送的用户，这将被标记。它还会寻找明显的代码红旗：eval调用、压缩的代码块、可疑的安装脚本——因为有时问题就隐藏在显而易见的地方。 所有这些信息都输入到一个加权评分模型中。最终的信任评分（0-100）一目了然地反映了代码库的健康状况，并对虚假星标行为直接施加惩罚，因此一个漂亮的README徽章无法掩盖不自然的炒作。 我还为信任评分生成了一个有趣的小徽章，哈哈。 在底层，它使用了启发式算法和大量的GitHub API分页。你可以在任何公共代码库上运行它，命令如下： ```bash python starguard.py owner/repo --format markdown ``` 它在没有令牌的情况下也能工作，但你会更快遇到速率限制。 请提供任何反馈。

嗨，HN， 我开发了Ragmate——一个本地的检索增强生成（RAG）服务器，它通过内置的AI助手与JetBrains IDE集成。 它会扫描你的代码库，构建本地索引，并为你选择的语言模型（例如，OpenAI、Ollama）提供相关的上下文。这意味着可以实现更智能的代码补全和理解你实际项目的回答。 主要特点： - 通过Docker本地运行（自托管） - 使用.gitignore和.aiignore来避免噪音 - 了解框架的响应（如Django、React等） - 支持Python、JavaScript、PHP、Java等多种语言 目前支持JetBrains，VS Code的支持即将推出。未来计划还包括支持Gemini、Claude、Mistral和DeepSeek。 它是免费的、开源的，专为希望实现隐私和上下文感知生成的开发者而设计。 期待你的反馈！